面向?qū)ο蟮挠跋穹诸惣夹g(shù)

“同物異譜，同譜異物”會對影像分類產(chǎn)生的影響，加上高分辨率影像的光譜信息不是很豐富，還有經(jīng)常伴有光譜相互影響的現(xiàn)象，這對基于像素的分類方法提出了一種挑戰(zhàn)，面向?qū)ο蟮挠跋穹诸惣夹g(shù)可以一定程度減少上述影響。

本小節(jié)以ENVI中的面向?qū)ο蟮奶卣魈崛X模塊為例，對這種技術(shù)和處理流程做一個簡單的介紹。

本專題包括以下內(nèi)容：面向?qū)ο蠓诸惣夹g(shù)概述ENVIFX簡介ENVIFX操作說明

1、面向?qū)ο蠓诸惣夹g(shù)概述

面向?qū)ο蠓诸惣夹g(shù)集合臨近像元為對象用來識別感興趣的光譜要素，充分利用高分辨率的全色和多光譜數(shù)據(jù)的空間，紋理，和光譜信息來分割和分類的特點，以高精度的分類結(jié)果或者矢量輸出。它主要分成兩部分過程：影像對象構(gòu)建和對象的分類。

影像對象構(gòu)建主要用了影像分割技術(shù)，常用分割方法包括基于多尺度的、基于灰度的、紋理的、基于知識的及基于分水嶺的等分割算法。比較常用的就是多尺度分割算法，這種方法綜合遙感圖像的光譜特征和形狀特征，計算圖像中每個波段的光譜異質(zhì)性與形狀異質(zhì)性的綜合特征值，然后根據(jù)各個波段所占的權(quán)重，計算圖像所有波段的加權(quán)值，當分割出對象或基元的光譜和形狀綜合加權(quán)值小于某個指定的閾值時，進行重復迭代運算，直到所有分割對象的綜合加權(quán)值大于指定閾值即完成圖像的多尺度分割操作。

影像對象的分類，目前常用的方法是“監(jiān)督分類”和“基于知識分類”。這里的監(jiān)督分類和我們常說的監(jiān)督分類是有區(qū)別的，它分類時和樣本的對比參數(shù)更多，不僅僅是光譜信息，還包括空間、紋理等信息?；谥R分類也是根據(jù)影像對象的熟悉來設(shè)定規(guī)則進行分類。

目前很多遙感軟件都具有這個功能，如ENVI的FX擴展模塊、易康（現(xiàn)在叫Definiens）、ERDAS的Objective模塊、PCI的FeatureObjeX（新收購）等。

表1為三大類分類方法的一個大概的對比。類型基本原理影像的最小單元適用數(shù)據(jù)源缺陷傳統(tǒng)基于光譜的分類方法地物的光譜信息特征單個的影像像元中低分辨率多光譜和高光譜影像豐富的空間信息利用率幾乎為零基于專家知識決策樹根據(jù)光譜特征、空間關(guān)系和其他上下文關(guān)系歸類像元單個的影像像元多源數(shù)據(jù)知識獲取比較復雜面向?qū)ο蟮姆诸惙椒◣缀涡畔?、結(jié)構(gòu)信息以及光譜信息一個個影像對象中高分辨率多光譜和全色影像速度比較慢表1傳統(tǒng)基于光譜、基于專家知識決策樹與基于面向?qū)ο蟮挠跋穹诸悓Ρ缺?/p>

2、ENVIFX簡介

全名叫“面向?qū)ο罂臻g特征提取模塊—FeatureExtraction”，基于影像空間以及影像光譜特征，即面向?qū)ο?，從高分辨率全色或者多光譜數(shù)據(jù)中提取信息，該模塊可以提取各種特征地物如車輛、建筑、道路、橋、河流、湖泊以及田地等。該模塊可以在操作過程中隨時預覽影像分割效果。該項技術(shù)對于高光譜數(shù)據(jù)有很好的處理效果，對全色數(shù)據(jù)一樣適用。對于高分辨率全色數(shù)據(jù)，這種基于目標的提取方法能更好的提取各種具有特征類型的地物。一個目標物體是一個關(guān)于大小、光譜以及紋理（亮度、顏色等）的感興趣區(qū)域。可應用于：從影像中尤其是大幅影像中查找和提取特征。添加新的矢量層到地理數(shù)據(jù)庫輸出用于分析的分類影像替代手工數(shù)字化過程

具有易于操作（向?qū)Р僮髁鞒蹋S時預覽效果和修改參數(shù)，保存參數(shù)易于下次使用和與同事共享，可以將不同數(shù)據(jù)源加入ENVIFX中（DEMs、LiDARdatasets、shapefiles、地面實測數(shù)據(jù)）以提高精度、交互式計算和評估輸出的特征要素、提供注記工具可以標識結(jié)果中感興趣的特征要素和對象等特點。

3、ENVIFX操作說明

ENVIFX的操作可分為兩個部分：發(fā)現(xiàn)對象（FindObject）和特征提?。‥xtractfeatures），如圖1所示。

\o"1.JPG"圖1FX操作流程示意圖（紅色字體為可選項）

3.1準備工作

根據(jù)數(shù)據(jù)源和特征提取類型等情況，可以有選擇的對數(shù)據(jù)做一些預處理工作。

空間分辨率的調(diào)整

如果您的數(shù)據(jù)空間分辨率非常高，覆蓋范圍非常大，而提取的特征地物面積較大（如云、大片林地等）?？梢越档头直媛?，提供精度和運算速度?？衫肊NVI主界面->BasicTool->ResizeData工具實現(xiàn)。

光譜分辨率的調(diào)整

如果您處理的是高光譜數(shù)據(jù)，可以將不用的波段除去?？衫肊NVI主界面->BasicTool->layerstacking工具實現(xiàn)。

多源數(shù)據(jù)組合

當您有其他輔助數(shù)據(jù)時候，可以將這些數(shù)據(jù)和待處理數(shù)據(jù)組合成新的多波段數(shù)據(jù)文件，這些輔助數(shù)據(jù)可以是DEM,lidar影像,和SAR影像。當計算對象屬性時候，會生成這些輔助數(shù)據(jù)的屬性信息，可以提高信息提取精度?？衫肊NVI主界面->BasicTool->layerstacking工具實現(xiàn)。

空間濾波

如果您的數(shù)據(jù)包含一些噪聲，可以選擇ENVI的濾波功能做一些預處理。

3.2發(fā)現(xiàn)對象

(一)打開數(shù)據(jù)

在ENVIZoom中打開Processing>FeatureExtraction。如圖2所示，BaseImage必須要選擇，輔助數(shù)據(jù)（AncillaryData）和掩膜文件（MaskFile）是可選。這里選擇ENVI自帶數(shù)據(jù)envidata\feature_extraction\qb_colorado,它是0.6米的快鳥數(shù)據(jù)。

\o"2.JPG"圖2選擇數(shù)據(jù)

(二)影像分割

FX根據(jù)臨近像素亮度、紋理、顏色等對影像進行分割，它使用了一種基于邊緣的分割算法，這種算法計算很快，并且只需一個輸入?yún)?shù)，就能產(chǎn)生多尺度分割結(jié)果。通過不同尺度上邊界的差異控制，從而產(chǎn)生從細到粗的多尺度分割。選擇高尺度影像分割將會分出很少的圖斑，選擇一個低尺度影像分割將會分割出更多的圖斑，分割效果的好壞一定程度決定了分類效果的精確度，我們可以通過預覽分割效果，選擇一個理想的分割閥值，盡可能好地分割出邊緣特征。

\o"3.JPG"圖3影像分割閾值設(shè)定

調(diào)整滑塊閥值對影像進行分割，這里設(shè)定閾值為30，點擊Next按鈕，這時候FX生成一個RegionMeans影像自動加載圖層列表中，并在窗口中顯示，它是分割后的結(jié)果，每一塊被填充上該塊影像的平均光譜值。接著進行下一步操作。

注：按鈕是用來選擇分割波段的，默認為BaseImage所有波段。

(三)合并分塊

影像分割時，由于閾值過低，一些特征會被錯分，一個特征也有可能被分成很多部分。我們可以通過合并來解決這些問題。FX利用了FullLambda-Schedule算法。這一步是可選項，如果不需要可以直接跳過。

\o"4.JPG"圖4合并分塊

設(shè)定一定閾值，預覽效果。這里我們設(shè)置的閾值為95，點Next進入下一步。

(四)分塊精煉

FX提供了一種閾值法（Thresholding）進一步精煉分塊的方法。對于具有高對比度背景的特征非常有效（例如，明亮的飛機對黑暗的停機坪）?？梢詫⒕珶捊Y(jié)果生成掩膜圖層（Mask），按鈕可以修改基于哪個波段。

\o"5.JPG"圖5精煉分塊

這里我們就直接選擇NoThresholding（default），點擊Next進入下一步操作。

(五)計算對象屬性

計算4個類別的屬性：光譜、空間、紋理、自定義（顏色空間和波段比）。其中“顏色空間”選擇三個RGB波段轉(zhuǎn)換為HSI顏色空間，“波段比”選擇兩個波段用于計算波段比（常用紅色和近紅外波段）。各個屬性的詳細描述參考ENVI/IDL提供的Feature_Extraction_Module.pdf文檔。\o"6.JPG"圖6對象屬性的計算

這里我們按照默認全選擇，ColorSpace選擇RGB，BandRatio選擇紅色和近紅外波段，點擊Next按鈕進行下一步操作。

目前，已經(jīng)完成了發(fā)現(xiàn)對象的操作過程，接下來是特征的提取。

3.3特征提取

如圖7所示，有三種特征提取方法供選擇，分別是監(jiān)督分類、規(guī)則分類和直接矢量輸出。\o"7.JPG"圖7特征提取方法選擇

(一)輸出矢量

選擇ExportVectors，進入圖8界面，選擇保存路徑，屬性信息也可選擇輸出。

\o"8.JPG"圖8直接矢量輸出

輸出完成會出來一個報表。不關(guān)閉FX浮動面板，在ENVIZoom中將得到的矢量特征加載顯示。

點擊Previous按鈕，回到圖7界面。

(二)監(jiān)督分類

在圖7界面中選擇Classifybyselectionexamples，下一步到如圖8所示界面。\o"9.JPG"圖9監(jiān)督分類界面

1)選擇樣本

在ENVIZoom中，切換到Select方式，雙擊Feature_1，打開一個類別的屬性，如圖10所示，修改顯示顏色、名稱等信息。\o"10.JPG"圖10修改類別屬性信息

在分割圖上選擇一些樣本，為了方便樣本的選擇，可以在ENVIZoom的圖層管理中將原圖移到最上層，選擇一定數(shù)量的樣本，如果錯選樣本，可以在這個樣本上點擊左鍵刪除。

一個類別的樣本選擇完成之后，新增類別，用同樣的方法修改類別屬性和選擇樣本。在選擇樣本的過程中，可以隨時預覽結(jié)果?？梢园褬颖颈４鏋閤ml文件以備下次使用。

2)設(shè)置樣本屬性

在圖9中，切換到Attributes選項。默認是所有的屬性都被選擇，可以根據(jù)提取的實際地物特性選擇一定的屬性。\o"11.JPG"圖11樣本屬性選擇

這里我們按照默認全部選擇。

3)選擇分類方法

在圖9中，切換到Algorithm選項。FX提供了兩種分類方法：K鄰近法（KNearestNeighbor）和支持向量機（SupportVectorMachine，SVM），如圖12所示。\o"12.JPG"圖12分類方法

這里我們選擇K鄰近法，K參數(shù)設(shè)置為5，點擊下一步，輸出結(jié)果。

4)輸出結(jié)果

特征提取結(jié)果可以以兩種格式輸出，矢量和圖像，如圖12所示。矢量可以是所有分類以單個文件輸出或者每一個類別分別輸出；圖像可以把分類結(jié)果和規(guī)則結(jié)果分布輸出。

\o"13.JPG"圖13輸出分類結(jié)果

這里我們選擇單個文件以及屬性數(shù)據(jù)一塊輸出，分類圖像和規(guī)則圖像一塊輸出。點擊Next按鈕完成輸出，同時可以看到整個操作的參數(shù)和結(jié)果統(tǒng)計報表。

\o"14.JPG"圖14分類結(jié)果和統(tǒng)計報表

(三)規(guī)則分類

在圖7界面中選擇Classifybycreatingrules，點擊Next，到圖15規(guī)則分類界面。每一個分類有若干個規(guī)則（Rule）組成，每一個規(guī)則有若干個屬性表達式來描述。規(guī)則與規(guī)則直接是與的關(guān)系，屬性表達式之間是并的關(guān)系。

同一類地物可以由不同規(guī)則來描述，比如水體，水體可以是人工池塘、湖泊、河流，也可以是自然湖泊、河流等，描述規(guī)則就不一樣，需要多條規(guī)則來描述。每條規(guī)則又有若干個屬性來描述，如下是對水的一個描述：

面積大于500像素

延長線小于0.5

NDVI小于0.3

對道路的描述：

延長線大于0.9

緊密度小于0.3

標準差小于20

\o"15.JPG"圖15規(guī)則分類

這里以提取居住房屋為例來說明規(guī)則分類的操作過程。

首先分析影像中容易跟居住房屋錯分的地物有：道路、森林、草地以及房屋旁邊的水泥地。

雙擊Feature_1圖標，修改好類別的相應屬性。

1)第一條屬性描述，劃分植被覆蓋和非覆蓋區(qū)

雙擊rule，打開對象屬性選擇面板，如圖16所示。選擇Customized->bandratio。FX會根據(jù)選擇的波段情況技術(shù)波段比值，比如這里在屬性計算步驟中選擇的RatioBand是紅色和近紅外波段，所以此時計算的是NDVI。把Show

AttributeImage勾上，可以看到計算的結(jié)果，通過ENVIZoom工具查看各個分割塊對應的值。點擊Next按鈕，或者雙擊bandratio，進入bandratio屬性設(shè)置對話框，如圖17所示。\o"16.JPG"圖16對象屬性面板

\o"17.JPG"圖17屬性設(shè)置對話框

通過拖動滑條或者手動輸入確定閾值。FuzzyTolerance是設(shè)置模糊分類閾值，值越大，其他分割塊歸屬這一類的可能性就越大。歸類函數(shù)有線性和S-type兩種。這里設(shè)置模糊分類閾值為默認的5，歸屬類別為S-type，值的范圍為0~0.3，勾選ShowRuleConfidenceImage可以預覽規(guī)則圖像。點擊Ok完成此條屬性描述。

2)第二條屬性描述，去除道路影響

居住房屋和道路的最大區(qū)別是房屋是近似矩形，我們可以設(shè)置Rect_fit屬性。點擊按鈕或者雙擊rule，選擇Spatial->rect_fit。設(shè)置值的范圍是0.5~1，其他參數(shù)為默認值。

同樣的方法設(shè)置

Spatial->Area:FuzzyTolerance=0,90<Area<1100

Spatial->elongation(延長):elongation<3

3)第三條屬性描述，去除水泥地影響

水泥地反射率比較高，居住房屋反射率較低，所以我們可以設(shè)置波段的象元值。

Spectral->avgband_2:avgband_2<50。

最終的rule1規(guī)則和預覽圖如圖18所示。

\o"18.JPG"

圖18居住房屋規(guī)則與效果圖

類似的思路可以提取道路、林地、草地等分類，這里就不一一例舉。最終結(jié)果的輸出方式和監(jiān)督分類一樣。

3.4批處理操作

ENVI提供了ENVI_FX函數(shù)，具體語法如下：ENVI_DOIT,’ENVI_FX_DOIT’[,A_FID=array][,A_POS=array][,BR_BANDS=array][,CENTERLINE_OPTIONS=array][,CONF_THRESHOLD=floatingpoint][,CS_BANDS=array],DIMS=array,FID=fileID[,/EXPORT_ATTRIBUTES][,/EXPORT_RASTER][,/INVERSE_MASK][,KERNEL_SIZE=longinteger][,M_FID=fileID][,MERGE_LEVEL=floatingpoint],POS=array[,R_FID=variable][,RASTER_FILENAME=stringorstringarray][,/RAW_ATTRIBUTES][,RAW_FILENAME=string][,REFINE_BAND=integer][,/REFINE_INVERSE][,/REFINE_MASK][,RULESET_FILENAME=string],SCALE_LEVEL=floatingpoint[,SEGMENT_BANDS=array][,SMOOTHING_THRESHOLD=floatingpoint][,TD_FILENAME=string][,THRESHOLD_LOWER=floatingpoint][,THRESHOLD_UPPER=floatingpoint][,VECTOR_FILENAME=string][,VECTOR_OPTIONS=stringarray]詳細的變量說明請參考ENVI/IDL提供的Feature_Extraction_Module.pdf。

利用此函數(shù)可以對根據(jù)分割參數(shù)和分類參數(shù)編寫批處理，或者將此功能應用到別的系統(tǒng)上。

從以上的實際操作可以看到，ENVIFX擴展模塊操作具有易于操作（向?qū)Р僮髁鞒蹋?，隨時預覽效果和修改參數(shù)；功能比較強大，具有多種特征提取方法，包括監(jiān)督分類和知識規(guī)則分類，等等。

4、小結(jié)

基于像元的分類方法，依據(jù)主要是利用像元的光譜特征，大多應用在中低分辨率遙感圖像。而高分辨率遙感圖像的細節(jié)信息豐富，圖像的局部異質(zhì)性大，傳統(tǒng)的基于像元的分類方法易受高分辨率影像局部異質(zhì)性大的影響和干擾。而面向?qū)ο蠓诸惙椒梢愿叻直媛蕡D像豐富的光譜、形狀、結(jié)構(gòu)、紋理、相關(guān)布局以及圖像中地物之間的上下文信息，可以結(jié)合專家知識進行分類，可以顯著提高分類精度，而且使分類后的圖像含有豐富的語義信息，便于解譯和理解。對高分辨率影像來說，還是一種非常有效的信息提取方法，具有很好的應用前景。

附錄對象屬性說明：

（1）

Spatial屬性屬性描述AREA多邊形的面積，單位與Map單位一致LENGTH多邊形外邊框周長，包括洞的邊框周長，單位與Map單位一致COMPACT緊密性，描述多邊形緊密性的度量。如圓是緊密性最好的形狀，其值為1/Pi,正方形的的值為1/2(sqrt(pi)).

COMPARCT=Sqrt(4*AREA/pi)/周長CONVEXITY凸出的狀態(tài)，沒有洞的凸多邊形的值